科学家们正在开发像人类一样完全依赖文字“思考”的人工智能。由格拉斯哥大学心理与神经科学学院领导的《模式》期刊上发表的一项新研究使用3D建模来分析深度神经网络处理信息的方式，这是更广泛的机器学习家族的一部分，以可视化它们如何处理信息与人类相匹配。 希望这项新工作能够为创造更可靠的人工智能技术铺平道路，这些技术可以像人类一样处理信息并犯下我们可以理解和预测的错误。人工智能发展仍然面临的挑战之一是如何更好地理解机器的思维过程，以及它是否与人类处理信息的方式相匹配以确保准确性。深度神经网络通常被认为是目前人类决策行为的最佳模型，在某些任务中达到甚至超越人类的表现。然而，即使在看似简单的视觉辨别任务上，人工智能模型与人类相比也表现出明显的不一致和错误。 深度神经网络技术目前用于人脸识别等应用，虽然在这些领域已经非常成功，但科学家们仍然不完全了解这些网络是如何处理信息的，因此也不清楚何时会出现错误。 在这项新研究中，该团队通过对深度神经网络接收到的视觉刺激进行建模，并以多种方式转换它们来解决这个问题。它们之间的相似信息来证明识别的相似性。 该研究的资深作者、格拉斯哥大学神经科学与技术研究所所长PhilippeSchyns教授说。当构建一个行为“像”人类的AI模型时，例如，只看到一个人的脸并能够像人类一样识别它，我们必须确保AI模型使用与另一个人相同的信息来认识它。如果AI不这样做，我们可能会产生这样的错觉，即该系统的工作方式与人类相同，但随后会发现它在一些新的或未经测试的情况下会出错。” 研究人员使用生成了一个一系列可修改的3D面孔，并要求人类对这些随机生成的面孔与四个熟悉的身份的相似性进行评分。然后，他们使用这些信息来测试深度神经网络是否出于相同的原因做出相同的评估——不仅是为了测试人类是否和AI做出相同的决定，同时也是为了测试它是否基于相同的信息。研究人员希望这项工作能为更可靠的人工智能技术铺平道路，这些技术的行为更像人类，并减少不可预测的错误。
